课程文献中心 更多>>

摘要： 四维图新与东风汽车研发总院、国汽智联、西部智联、中移(上海)产业研究院等11家行业领军企业和高校院所,共同签署车路云一体化产业技术创新联合体战略合作协议,助力湖北打造全国智能网联示范样板. 车路云一体化产业技术创新联合体由东风汽车牵头,联合四维图新、国汽智联等11家单位共同组建,将依托各成员单位的技术优势和行业资源,在未来3～5年内,突破一批车路云一体化产业领域的关键性核心技术,研发自主可控的产品体系和解决方案,围绕车路云一体化领域的顶层设计、技术标准体系等方面实现突破.

关键词： 烟叶   近红外光谱   数据集划分   数据预处理   定量模型  

摘要： 【目的】明确模型构建适宜的数据集划分方式、比例和数据预处理方法，为建立准确、稳定的烟叶化学成分分析模型奠定基础。【方法】以210份烟叶样本为研究对象，测量烟叶样品的总糖、还原糖、总氮、烟碱、钾和氯等常规化学成分含量，并采集烟叶样本的光谱数据，研究随机划分法(RS)、等间隔划分法(LS)、基于联合x-y距离的样本集划分法（SPXY）和Kennard-Stone划分法（KS），以及光谱数据预处理和组合方式对烟叶常规化学成分偏最小二乘（PLS）定量模型预测精度的影响。【结果】数据集通过SPXY方式划分的校正集和预测集分布更均匀，预测集比例为24%时，构建的模型预测能力更强。烟叶总糖和氯离子定量模型最佳预处理组合为多元散射校正（MSC）+移动平均平滑（MA）+小波变换（WAVE），构建的定量模型预测集相关系数（Rp）分别为0.984 0和0.986 0；还原糖和烟碱定量模型最佳预处理组合为极差归一化（MAXMIN）+MSC+WAVE，Rp分别为0.990 0和0.985 2；钾离子预处理组合为MSC+WAVE（Rp=0.969 4），总氮则以原始光谱数据构建的模型预测能力最强（Rp=0.970 9）。【结论】烟叶常规化学成分近红外定量模型经过数据集划分和预处理优化后，提高了模型准确率。

关键词： 全息   图像处理   动静分割   仿生算法   神经网络  

摘要： 全息成像广泛应用于水体微藻、空气花粉、生物细胞等溶胶颗粒检测中。通过重建算法能够获得动态目标的多种图像，如振幅、相位、形貌等，但常常受到静态颗粒背景条纹的干扰。为了解决动、静颗粒全息图的分割问题，受生物视觉对光强及光强变化具有双重敏感性的启发，设计了一种同时处理灰度图像和事件数据的神经网络算法。通过融合双模态数据，结合自监督学习，成功实现了动、静目标相互叠加全息图的完整分割及独立输出。消融实验验证了仿生模块的必要性及优越性，自监督学习的策略确保了算法的泛化性。该仿生型神经网络算法保留了溶胶颗粒全息图中的高频条纹，为后续的相位成像、三维成像等任务提供保障。

关键词： 复杂系统   多元状态   可靠性   重要度分析   改进生成函数   精细化管理  

摘要： 研究多元状态复杂系统的可靠性重要度，有助于分析确定系统设计的潜在技术薄弱环节，对于实现系统状态性能的精细化管理意义重大。通过引入改进生成函数模型，并构建面向特定“状态可达门限”的系统层级生成函数，给出一类能够适应“多元”状态复杂任务功能系统的可靠性重要度通用化封闭解算体系与高精度分析算法。工程案例验证结果表明：新算法适用范围广、可靠性重要度分辨精度高，更便于实现复杂系统可靠状态的精细化管理；新算法程式化运算资源要求低，可规避大维度复杂系统状态微分解算的技术瓶颈，工程应用价值更突出。研究结果可拓展应用于多元状态复杂系统其他通用质量特性的重要度分析与精细化管理，并对于科学筹措配套保障资源、合理规划预防性维修工作具有重要技术指导作用。

关键词： 推荐系统   知识图谱   社交关系   注意力机制   图注意力网络  

摘要： [目的/意义]当前基于知识图谱的主流推荐算法主要对项目侧知识进行挖掘利用，较少关注用户侧的辅助信息，存在用户数据稀疏和挖掘深度不够等问题。[方法/过程]针对用户侧和项目侧辅助信息的结构及特征差异，提出了一种融合社交关系和知识图谱的双图注意力推荐模型。首先，将用户社交网络图和项目知识图谱分别与用户-项目交互图融合，得到用户社交关系协同图和项目协同图。其次，利用双图注意力网络分别处理这两个知识图谱，提取不同的用户和项目特征向量。然后，通过注意力机制融合得到的用户和项目特征向量。最后，利用向量间的内积运算得到用户和物品的交互概率进行推荐。[结果/结论]在Douban和Last-FM数据集上进行的实验表明，该模型在各个数据集上的性能优于其他基准模型。

关键词： 电网线路参数辨识   时空信息融合   最大信息系数   贝叶斯优化   图卷积网络   时间卷积网络   动态时空适应模块  

摘要： 线路参数的准确辨识对于电网的稳定运行与优化至关重要。随着人工智能技术的快速发展，以深度学习为代表的电网线路参数辨识技术在辨识有效性和鲁棒性上具备显著优势，但这些方法往往忽视了网架分支的历史趋势和拓扑关系，导致模型未能充分学习到关键的时空信息，进一步造成参数辨识精度的下降。为此，本文提出了一种基于动态时空适应图神经网络的电网线路参数辨识方法。该方法首先关注到传统的特征选择和手动调参方法过于依赖专家经验的局限，结合最大信息系数和基于树形结构Parzen估计器的贝叶斯优化技术，对模型超参数进行调优的同时，自动筛选出对电网参数辨识性能贡献最大的SCADA系统量测特征。进一步地，依据支路历史特征及电网拓扑信息，构建适用于输电线路参数辨识任务的时空图数据集。利用图卷积网络和时间卷积网络提取图数据集中线路的时空特征，结合动态时空适应模块，精确学习每条线路在不同辨识场景下的独特时空行为。这些组件整合构成了一个高效全面的电网线路参数辨识模型。最终，本研究在IEEE 39节点系统上搭建了多种量测场景，并进行了算例分析。与现有算法相比，本文所提方法在应对量测噪声、数据缺失以及多拓扑变化的场景下展示了更优的辨识精度和鲁棒性。

关键词： 解三角形   边参   角参   变式  

摘要： 涉及解三角形中的最值(或取值范围)问题,是高考命题中比较常见的一类热点问题.本文结合一道解三角形中面积最值及其应用的求解,依托解三角形的应用情境创设,挖掘问题的本质与内涵,从不同数学思维角度切入,结合不同的技巧方法应用,总结解题思维方法与技巧规律,引领并指导数学教学与复习备考.

关键词： Transformer   全量化推理   GELU函数   Swish函数   分段二次多项式拟合  

摘要： 基于Transformer的大语言模型(Large Language Models,LLM)和视觉Transformer(Vision Transformers,ViTs)分别在自然语言处理、机器视觉任务上实现了最为先进的性能.但是ViTs和LLM的常用激活函数GELU(Gaussian Error Linear Unit)、Swish在Transformer全量化推理中存在精度不足、计算效率低的问题,限制了它们在资源受限的边缘端设备上的部署和应用.本文提出了一种基于分段二次多项式拟合的激活函数高精度近似计算方法(Segmented Quadratic Polynomial Fitting,SQPF)及其量化推理过程,以实现端侧非线性激活函数的高性能部署.SQPF采用最小二乘法和粒子群优化方法求解非线性激活函数拟合优化问题,给出最优的二次多项式拟合系数和区间划分.得到的二次多项式拟合采用动态精度定点对称量化方法进行纯整数推理,推理过程仅包含移位操作和乘加运算.本文使用SQPF计算了GELU和Swish的二次多项式拟合Si-GELU和Si-Swish,并评估了量化推理精度.实验结果表明,在标准数据集ImageNet上,Si-GELU引起的ViTs(ViT、DeiT和Swin)模型分类任务准确率衰减仅为0.09%,是其他同类方法的27.3%;在主流的大语言模型评测数据集MMLU上,Si-Swish引起的子类别精度衰减不超过0.77%,大类别精度衰减不超过0.23%.极小的精度损失表明SQPF计算得到的最优分段二次多项式拟合可以直接替换Transformer模型中全精度浮点激活函数,不必进行参数微调或者重训练.

关键词： 耳蜗电图   波形标定  

摘要： 耳蜗电图是在声刺激下测量耳蜗及听神经电位的测试方法,监测内耳疾病,在临床上主要用于梅尼埃病诊断、听神经瘤术中监测以及听神经反应判定等。近年来,不同学者在不同临床研究中选用不同的波形标定方法,临床特定规范化标准的缺失,未建立起各自疾病的诊断截点,影响了临床诊断价值。我们就耳蜗电图的基点及基线标定、总和电位和动作电位标定、总和电位与动作电位振幅比及面积比标定等最新进展进行综述,旨在提高耳蜗电图测试的临床诊断价值。

关键词： 推荐模型   图神经网络   社交关系   时序特征   注意力机制   门控循环单元  

摘要： 为解决推荐模型中的用户信息缺失和用户动态偏好问题,满足用户个性化需求,提出一种融合社交关系和时序特征的图神经网络推荐模型。该模型先构建社交关系图,并通过注意力机制得到基于社交关系的用户潜在特征;再构建用户-项目交互图,利用门控循环单元和注意力机制捕获交互信息,分别获得用户的时序特征和项目特征;最后将用户潜在特征与时序特征融合得到新的用户特征,并将其与项目特征进行融合,经过多层感知机得到最终推荐结果。在不同数据集上进行实验,结果表明,该模型能更好地处理用户信息缺失和用户动态偏好问题,进而提升推荐性能。相较于经典的图神经网络推荐模型,该模型的精确率和归一化折损累计增益比分别提高了4.0%和4.1%。